数字图像处理报告
- 格式：doc
- 大小：1006.00 KB
- 文档页数：8
《数字图像处理》
实验报告
院 系： XXXXX
学 号： XXXXXXX
姓 名： XXX
指导老师： XX XX
完成时间： 2020.02.02
题目一：
(1)将宽为2n的正方形图像，用FFT算法从空域变换到频域，并用频域图像的-
欢迎下载 2 模来进行显示；
(2)使图像能量中心，对应到几何中心，并用频域图像的模来进行显示；
(3)将频域图象，通过FFT逆变换到空域，并显示。
该题实现环境为操作系统：Windows 10 操作系统；编程环境：VS2013；内部核心处理算法库：OpenCV。
此题目的具体实现过程及其展示如下所示：
#include
#include
#include
using namespace cv;
using namespace std;
int main()
{
//以灰度模式读取原始图像并显示
Mat srcImage = imread("lena.png", 0);
if (srcImage.empty())
{
cout << "打开图像失败！" << endl;
return -1;
}
imshow("原始图像", srcImage);
//将输入图像延扩到最佳的尺寸，边界用0补充
int m = getOptimalDFTSize(srcImage.rows);
int n = getOptimalDFTSize(srcImage.cols);
//将添加的像素初始化为0.
Mat padded;
copyMakeBorder(srcImage, padded, 0, m - srcImage.rows, 0, n -
srcImage.cols, BORDER_CONSTANT, Scalar::all(0));
//为傅立叶变换的结果(实部和虚部)分配存储空间。
//将planes数组组合合并成一个多通道的数组complexI
Mat planes[] = { Mat_(padded), Mat::zeros(padded.size(), CV_32F) };
Mat complexI;
merge(planes, 2, complexI);
//进行就地离散傅里叶变换
dft(complexI, complexI);
//将复数转换为幅值，即=> log(1 + sqrt(Re(DFT(I))^2 + Im(DFT(I))^2))
split(complexI, planes);
// 将多通道数组complexI分离成几个单通道数组，planes[0] = Re(DFT(I),
//planes[1] = Im(DFT(I))
magnitude(planes[0], planes[1], planes[0]);// planes[0] = magnitude -
欢迎下载 3 Mat magnitudeImage = planes[0];
//进行对数尺度(logarithmic scale)缩放
magnitudeImage += Scalar::all(1);
log(magnitudeImage, magnitudeImage);//求自然对数
//剪切和重分布幅度图象限
//若有奇数行或奇数列，进行频谱裁剪
magnitudeImage = magnitudeImage(Rect(0, 0, magnitudeImage.cols & -2,
magnitudeImage.rows & -2));
//重新排列傅立叶图像中的象限，使得原点位于图像中心
int cx = magnitudeImage.cols / 2;
int cy = magnitudeImage.rows / 2;
Mat q0(magnitudeImage, Rect(0, 0, cx, cy)); // ROI区域的左上
Mat q1(magnitudeImage, Rect(cx, 0, cx, cy)); // ROI区域的右上
Mat q2(magnitudeImage, Rect(0, cy, cx, cy)); // ROI区域的左下
Mat q3(magnitudeImage, Rect(cx, cy, cx, cy)); // ROI区域的右下
//交换象限（左上与右下进行交换）
Mat tmp;
q0.copyTo(tmp);
q3.copyTo(q0);
tmp.copyTo(q3);
//交换象限（右上与左下进行交换）
q1.copyTo(tmp);
q2.copyTo(q1);
tmp.copyTo(q2);
//归一化，用0到1之间的浮点值将矩阵变换为可视的图像格式
normalize(magnitudeImage, magnitudeImage, 0, 1, CV_MINMAX);
//显示效果图
imshow("频域", magnitudeImage);
//（3）频域-->空域
Mat inversed;
dft(complexI, inversed, DFT_INVERSE | DFT_REAL_OUTPUT);
normalize(inversed, inversed, 0, 1, CV_MINMAX);
imshow("空域", inversed);
waitKey();
return 0;
}
其转换的原始图像及其效果图频域图像、空域图像分别如下图所示： -
欢迎下载 4 -
欢迎下载 5 -
欢迎下载 6 （1）
题目四：
对MNIST手写数字数据库（可在网上搜索下载），编程实现来提取其链码。
该题实现的具体思路过程为：
(1)将Mnist字库读取到以OpenCV里的Mat为储存单元的vector中；
(2)使用findContours将链码保存在vector中；
(3)输出链码。
#include
#include
#include
#include
#include
#include
#include
using namespace std;
using namespace cv;
//格式转换
int ReverseInt(int i)
{
unsigned char ch1, ch2, ch3, ch4;
ch1 = i & 255;
ch2 = (i >> 8) & 255;
ch3 = (i >> 16) & 255;
ch4 = (i >> 24) & 255;
return((int)ch1 << 24) + ((int)ch2 << 16) + ((int)ch3 << 8) + ch4;
}
/**
* 将Mnist数据库读取到OpenCV::Mat格式中
* 格式：
* magic number
* number of images
* rows
* cols
* a very very long vector contains all digits
*/
void read_Mnist(string filename, vector &vec)
{
ifstream file(filename, ios::binary);
if (file.is_open())
{ -
欢迎下载 7 int magic_number = 0;
int number_of_images = 0;
int n_rows = 0;
int n_cols = 0;
file.read((char*)&magic_number, sizeof(magic_number));
magic_number = ReverseInt(magic_number);
file.read((char*)&number_of_images, sizeof(number_of_images));
number_of_images = ReverseInt(number_of_images);
file.read((char*)&n_rows, sizeof(n_rows));
n_rows = ReverseInt(n_rows);
file.read((char*)&n_cols, sizeof(n_cols));
n_cols = ReverseInt(n_cols);
for (int i = 0; i < number_of_images; ++i)
{
cv::Mat tp = Mat::zeros(n_rows, n_cols, CV_8UC1);
for (int r = 0; r < n_rows; ++r)
{
for (int c = 0; c < n_cols; ++c)
{
unsigned char temp = 0;
file.read((char*)&temp, sizeof(temp));
tp.at(r, c) = (int)temp;
}
}
vec.push_back(tp);
}
}//if
}
int main(int argc, char **argv)
{
int count = 1;
//存储Mnist字库
vector vec;
//将Mnist字库读取到vector中
read_Mnist("t10k-images.idx3-ubyte", vec);
cout << "共含有：" << vec.size() << "幅图片" << endl;
for (auto iter = vec.begin(); iter != vec.end(); iter++)
